System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及作物育种,尤其涉及一种基于大模型的作物育种作业方法、设备及介质。
技术介绍
1、随着经济的发展,人们生活水平的提高,人们对与自己身体健康、生命安全、生活质量息息相关的农作物的各方面要求越来越高。如作物的产量、抗病能力、口感、贮藏能力等等。
2、为满足人们对农作物各方面的需求,农作物的规模化育种势在必行。农作物规模化育种有别于大田作物种植,需要育种人员频繁地前往育种基地对各种农作物进行作物数据采集,并在实验室做相应研究工作。
3、育种人员需要在育种基地一一查看育种作物,选取要进行研究的作物。这个过程是一项高重复性且复杂的工作,非常耗费育种人员的研究时间,严重影响育种工作效率。
技术实现思路
1、为解决上述问题,本申请实施例提供了一种基于大模型的作物育种作业方法、设备及介质。
2、一方面,本申请实施例提供了一种基于大模型的作物育种作业方法,该方法包括:
3、获取第一作物图像及相应的作物育种信息;其中,所述作物育种信息至少包括作物关键部位、基因序列、性状表达特征;
4、生成所述第一作物图像及所述作物育种信息相应的数据集,并发送至预置gpu集群,以对部署于所述gpu集群的选种大模型进行训练;
5、获取来自执行选种作业任务的无人机的第二作物图像;
6、通过预设接口,调用训练完成的所述选种大模型,对所述第二作物图像进行识别;
7、在所述第二作物图像满足所述选种作业任务相应的选种目标条件的情
8、在本申请的一种实现方式中,生成所述第一作物图像及所述作物育种信息相应的数据集,具体包括:
9、将所述第一作物图像进行图像预处理;所述预处理包括去噪、增强对比度、图像分割;
10、通过预设特征提取算法,确定预处理后的所述第一作物图像中的作物特征集合;所述作物特征集合至少包括以下性状表达特征:作物形状、作物纹理、作物颜色;
11、根据用户预先标注的所述第一作物图像中的所述作物关键部位、所述作物特征集合及相应的基因序列,生成所述数据集。
12、在本申请的一种实现方式中,所述选种作业任务来自与所述无人机无线连接的所述用户终端;所述选种作业任务包括选种作业区域、选种作业路径。
13、在本申请的一种实现方式中,通过预设接口,调用训练完成的所述选种大模型,对所述第二作物图像进行识别,具体包括:
14、通过所述选种大模型,确定所述第二作物图像对应的识别育种信息;所述选种大模型为多模态预训练模型unicoder-vl;
15、将所述识别育种信息与相应选种目标对应的目标育种信息匹配;
16、在所述识别育种信息与所述目标育种信息的相似度大于预设阈值的情况下,确定相应的所述第二作物图像满足所述选种目标条件;
17、否则,不满足所述选种目标条件。
18、在本申请的一种实现方式中,所述方法还包括:
19、当确定相应的所述第二作物图像满足所述选种目标条件之后,确定所述第二作物图像对应的采集位置坐标;其中,所述采集位置坐标为所述无人机实时发送的;
20、根据所述采集位置坐标,确定相应的转换关系二元组;其中,所述转换关系二元组包括用于将所述第二作物图像各像素坐标点转换为相应培育基地位置坐标的系数;
21、确定所述第二作物图像中满足所述选种目标条件的标定像素框;所述标定像素框包括满足所述选种目标条件的一个或多个作物;
22、根据所述标定像素框对应的各像素点坐标及所述转换关系二元组,确定相应的培育基地位置坐标集合,为所述位置信息。
23、在本申请的一种实现方式中,所述方法还包括:
24、在所述选种作业任务有多个的情况下,按照相应的任务执行序列,接收所述第二作物图像;
25、在两个所述第二作物图像的接收间隔时长大于预定时长,且两个所述第二作物图像分别对应所述无人机的采集位置坐标处于两个选种目标的培育基地区域的情况下,确定所述无人机发生执行所述选种作业任务的转场行为;所述转场行为是所述无人机执行不同所述选种作业任务;
26、将所述转场行为之前的所述第二作物图像,添加至第一选种作业任务对应的第二作物图像集,并将所述转场行为之后的所述第二作物图像,添加至第二选种作业任务对应的第二作物图像集,直至得到各所述选种作业任务的第二作物图像集。
27、在本申请的一种实现方式中,所述方法还包括:
28、在所述第二作物图像集中各所述第二作物图像均不满足所述选种目标条件的情况下,生成区域扩大提示信息;所述区域扩大提示信息用于提示用户更新所述选种作业任务对应的选种作业区域;
29、在用户根据所述区域扩大提示信息发送的反馈信息为区域更新的情况下,将来自所述无人机的在更新选种作业区域的图像,作为所述第二作物图像,以确定所述第二作物图像是否满足所述选种目标条件;其中,所述反馈信息至少包括所述更新选种作业区域。
30、在本申请的一种实现方式中,所述方法还包括:
31、在多个所述无人机执行同一所述选种作业任务的情况下,确定各所述无人机在选种作业区域分别对应的选种作业子路径;各所述选种作业子路径拼接得到所述选种作业任务对应的选种作业路径;所述选种作业子路径包括拍摄所述第二作物图像的路径节点;
32、将各所述选种作业子路径中与待拼接的所述选种作业子路径距离最近的所述路径节点,作为拼接节点;一个所述选种作业子路径包括一个或两个所述拼接节点;
33、将各所述拼接节点采集得到的所述第二作物图像,按照所述选种作业路径,进行图像拼接,并将相应的拼接图像,作为所述第二作物图像。
34、另一方面,本申请实施例还提供了一种基于大模型的作物育种作业设备,所述设备包括:
35、至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
36、获取第一作物图像及相应的作物育种信息;其中,所述作物育种信息至少包括作物关键部位、基因序列、性状表达特征;
37、生成所述第一作物图像及所述作物育种信息相应的数据集,并发送至预置gpu集群,以对部署于所述gpu集群的选种大模型进行训练;
38、获取来自执行选种作业任务的无人机的第二作物图像;
39、通过预设接口,调用训练完成的所述选种大模型,对所述第二作物图像进行识别;
40、在所述第二作物图像满足所述选种作业任务相应的选种目标条件的情况下,将与所述第二作物图像对应的位置信息发送至用户终端。
41、再一方面,本申请实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
...【技术保护点】
1.一种基于大模型的作物育种作业方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种基于大模型的作物育种作业方法,其特征在于,生成所述第一作物图像及所述作物育种信息相应的数据集,具体包括:
3.根据权利要求1所述的一种基于大模型的作物育种作业方法,其特征在于,所述选种作业任务来自与所述无人机无线连接的所述用户终端;所述选种作业任务包括选种作业区域、选种作业路径。
4.根据权利要求1所述的一种基于大模型的作物育种作业方法,其特征在于,通过预设接口,调用训练完成的所述选种大模型,对所述第二作物图像进行识别,具体包括:
5.根据权利要求4所述的一种基于大模型的作物育种作业方法,其特征在于,所述方法还包括:
6.根据权利要求1所述的一种基于大模型的作物育种作业方法,其特征在于,所述方法还包括:
7.根据权利要求6所述的一种基于大模型的作物育种作业方法,其特征在于,所述方法还包括:
8.根据权利要求1所述的一种基于大模型的作物育种作业方法,其特征在于,所述方法还包括:
9.一种基于大模
10.一种非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令能够执行如上述权利要求1-8任一项所述的一种基于大模型的作物育种作业方法。
...【技术特征摘要】
1.一种基于大模型的作物育种作业方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种基于大模型的作物育种作业方法,其特征在于,生成所述第一作物图像及所述作物育种信息相应的数据集,具体包括:
3.根据权利要求1所述的一种基于大模型的作物育种作业方法,其特征在于,所述选种作业任务来自与所述无人机无线连接的所述用户终端;所述选种作业任务包括选种作业区域、选种作业路径。
4.根据权利要求1所述的一种基于大模型的作物育种作业方法,其特征在于,通过预设接口,调用训练完成的所述选种大模型,对所述第二作物图像进行识别,具体包括:
5.根据权利要求4所述的一种基于...
【专利技术属性】
技术研发人员:张远航,肖雪,商广勇,毕研振,
申请(专利权)人:浪潮云洲工业互联网有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。